Zum Inhalt springen

Ultralytics YOLOv8 Aufgaben


Ultralytics YOLO unterst├╝tzte Aufgaben

YOLOv8 ist ein KI-Framework, das mehrere Computer Vision Aufgaben unterst├╝tzt. Das Framework kann f├╝r die Erkennung, Segmentierung, Obb, Klassifizierung und Posensch├Ątzung verwendet werden. Jede dieser Aufgaben hat ein anderes Ziel und einen anderen Anwendungsfall.



Pass auf: Entdecke Ultralytics YOLO Aufgaben: Objekterkennung, Segmentierung, OBB, Verfolgung und Pose-Sch├Ątzung.

Erkennung

Die Erkennung ist die wichtigste Aufgabe, die von YOLOv8 unterst├╝tzt wird. Sie umfasst die Erkennung von Objekten in einem Bild oder Videobild und das Zeichnen von Begrenzungsrahmen um sie herum. Die erkannten Objekte werden anhand ihrer Merkmale in verschiedene Kategorien eingeteilt. YOLOv8 kann mehrere Objekte in einem einzigen Bild oder Videobild mit hoher Genauigkeit und Geschwindigkeit erkennen.

Beispiele f├╝r die Erkennung

Segmentierung

Bei der Segmentierung geht es darum, ein Bild auf der Grundlage des Bildinhalts in verschiedene Regionen zu unterteilen. Jeder Region wird auf der Grundlage ihres Inhalts ein Label zugewiesen. Diese Aufgabe ist bei Anwendungen wie der Bildsegmentierung und der medizinischen Bildgebung n├╝tzlich. YOLOv8 verwendet eine Variante der U-Net-Architektur, um die Segmentierung durchzuf├╝hren.

Beispiele f├╝r Segmentierung

Klassifizierung

Bei der Klassifizierung handelt es sich um eine Aufgabe, bei der ein Bild in verschiedene Kategorien eingeteilt wird. YOLOv8 kann verwendet werden, um Bilder anhand ihres Inhalts zu klassifizieren. Es verwendet eine Variante der EfficientNet-Architektur, um die Klassifizierung durchzuf├╝hren.

Klassifizierungsbeispiele

Pose

Bei der Pose-/Keypoint-Erkennung geht es darum, bestimmte Punkte in einem Bild oder Videobild zu erkennen. Diese Punkte werden als Keypoints bezeichnet und dienen dazu, Bewegungen zu verfolgen oder die Pose zu sch├Ątzen. YOLOv8 kann Keypoints in einem Bild oder Videobild mit hoher Genauigkeit und Geschwindigkeit erkennen.

Pose Beispiele

OBB

Die orientierte Objekterkennung geht einen Schritt weiter als die normale Objekterkennung, indem sie einen zus├Ątzlichen Winkel einf├╝hrt, um Objekte in einem Bild genauer zu lokalisieren. YOLOv8 kann gedrehte Objekte in einem Bild oder Videobild mit hoher Genauigkeit und Geschwindigkeit erkennen.

Orientierte Erkennung

Fazit

YOLOv8 unterst├╝tzt mehrere Aufgaben, darunter Erkennung, Segmentierung, Klassifizierung, orientierte Objekterkennung und Erkennung von Schl├╝sselpunkten. Jede dieser Aufgaben hat unterschiedliche Ziele und Anwendungsf├Ąlle. Wenn du die Unterschiede zwischen diesen Aufgaben verstehst, kannst du die richtige Aufgabe f├╝r deine Bildverarbeitungsanwendung ausw├Ąhlen.



Erstellt am 2023-11-12, Aktualisiert am 2024-02-03
Autoren: glenn-jocher (5), chr043416@gmail.com (1), AyushExel (1)

Kommentare